各地麦收高效推进 助力夏粮颗粒归仓

根据Foster & Rosenzweig（2010）的技术采纳理论，农业机械化是一种体现型技术进步，其实际生产率取决于技术可及性和学习效应。跨区农机调度通过打破农机所有权的空间壁垒，使小农户也能在关键农时获得高效大马力机械服务，本质上是一种「农机共享经济」。Timmer（2002）的结构转型框架预测，农机服务的市场化程度越高，农业劳动力的释放效应越强。

据此提出以下假说：
- H1：跨区农机调度参与率（跨区收割面积/总收割面积）每提高10个百分点，小麦收割效率（亩均收割时间缩短）提升8-12%。
- H2：跨区调度对粮食损耗率（收获环节损失率）的降低效应在阴雨天气频发的省份更为显著（调节效应）。
- H3：农机跨区调度通过「释放农业劳动力」渠道，间接促进了本地非农就业增长。

核心内生性挑战：收割效率高的地区本身可能更吸引跨区农机手。本文以「县域地形起伏度」（DEM数据计算的坡度标准差）作为跨区农机可及性的工具变量——平原地区天然适宜大型联合收割机跨区作业，而山区丘陵则形成自然障碍。该IV满足相关性（地形→农机可进入性）和外生性（地形是地质历史产物，与当期收割效率的残差无关）。同时控制省级固定效应消去制度差异，年份固定效应消去技术进步的时间趋势。

基准模型：YieldEff_{it} = α + β·CrossRegionShare_{it} + γ·RainDays_{it} + δ·(CrossRegionShare × RainDays)_{it} + θ·X_{it} + μ_i + λ_t + ε_{it}，其中 YieldEff_{it} 为省 i 在 t 年的亩均收割时间（小时/亩，取对数），CrossRegionShare_{it} 为跨区收割面积占比。β 为核心参数。2SLS一阶段以地形起伏度为IV。

被解释变量：亩均收割时间（农机作业监测平台数据）；粮食损耗率（农业农村部农情调度数据）。核心解释变量：跨区收割面积占比（农机跨区作业证登记数据 / 省收割总面积）。IV：县域地形起伏度（ASTER GDEM 30m分辨率数据，计算省内各县坡度标准差的均值）。控制变量：降雨天数（中国气象局）、农机保有量、农机服务价格指数。样本区间：2015-2025年，11个小麦主产省面板。

• 替换被解释变量：以卫星遥感识别的收割进度（NDVI时序突变检测）替代行政统计的收割效率数据，检验不同数据源的结论一致性。
• 替换IV：以「1978年省农机总动力」（历史机械化基础）替代地形变量，利用历史制度惯性作为工具变量。
• 排除极端天气年份：剔除降雨天数超过2个标准差的极端年份，检验结论是否由气象异常驱动。
• 子样本分析：仅使用黄淮海平原省样本，检验在地形同质性高的子样本中结论是否依然成立。

Williamson（1985）将交易成本定义为「经济运行中的摩擦力」。跨区农机手面临的加油问题正是典型的交易成本——寻找加油站、排队等待、确认是否有柴油供应等。绿色供油通道和流动供油点本质上是将通用性的加油服务「专用化」为农机服务，降低了不确定性（保证供油）和等待成本（专用通道/上门供油）。根据Acemoglu & Robinson（2012）的制度比较框架，制度设计的细节（通道布设密度、定点vs.流动、是否24小时）对制度绩效有显著影响。

据此提出以下假说：
- H1：绿色供油通道的设立使跨区农机手的日均加油等待时间减少30-45分钟，提升有效作业时间约5-8%。
- H2：流动供油点密度每增加1个/百平方公里，所在县的日均收割进度加快2-3个百分点。
- H3：供油通道覆盖密度较高的省份吸引了更多跨区农机手，存在制度竞争效应——相邻省份的制度改善对本地农机手产生「吸引流失」的负外部性。

绿色供油通道政策在各省推广时点不同（2020-2024年分批），形成渐进DID设定。采用Callaway & Sant'Anna（2021）估计量，以尚未实施政策的省作为对照组。核心识别假定：政策推广时点的选择条件于各省农机保有量和收割面积后可视为外生。事件研究法以政策实施年份为中心，检验事前趋势平行性。农机手目的地选择模型以省为选择集，供油通道覆盖密度为核心属性变量。

渐进DID（CS2021）：ATT(g,t) = E[Yield_{i,t}(g) - Yield_{i,t}(0) | G_i = g, X_i]，汇总参数 θ_τ = Σ_g w_g · ATT(g, g+τ) 估计政策实施后 τ 年的平均处理效应。条件Logit目的地选择模型：P(Driver_j chooses province_p) = exp(V_{jp}) / Σ_q exp(V_{jq})，其中 V_{jp} = β·FuelChannel_p + γ·HarvestArea_p + δ·Distance_{jp}。

被解释变量：日均加油等待时间（农机跨区作业调度平台数据，加油时刻GPS定位匹配加油站位置计算）；县级日均收割进度（收割面积/应割面积，农业农村部农情调度）。核心解释变量：绿色供油通道虚拟变量、流动供油点密度（每百平方公里布设数量）。样本区间：2020-2025年，11个小麦主产省。

• Bacon-Decomp分解：检验CS2021估计中是否存在「坏比较」驱动的偏误。
• 安慰剂检验：将各省政策实施时点提前2年，检验伪处理变量的效应。
• 替换因变量：以加油站POS机的农机用油交易等待间隔替代GPS推算的等待时间。
• 排除其他政策干扰：控制同期「互联网+农机作业」平台上线的影响。

跨区农机手是农业服务业的典型「灵活就业」群体——每年5-6月集中作业约20-30天，其余时间从事本地农业或非农工作。根据Blundell & MaCurdy（1999）的劳动供给模型，在短期集中作业的背景下，劳动供给弹性应较大——工资率的微小变化即可显著影响作业天数和目的地选择。Becker（1964）的人力资本理论预测，通过跨区作业积累的「干中学」技能（大型机械操作、GPS导航、故障排除）应产生正的工资回报。

据此提出以下假说：
- H1：跨区农机手的劳动供给弹性（Frisch elasticity）为0.3-0.5，即日工资率每提高10%，作业天数增加3-5%。
- H2：会操作无人机的农机手相比于仅会操作传统收割机的农机手，日工资溢价为15-25%。
- H3：积累3年以上跨区作业经验的农机手，返乡后的本地年收入比无跨区经验的同行高出10-15%。

核心挑战：工资和劳动供给的同时决定、参与跨区作业的自选择。在第一阶段（参与方程），利用「同村农机手跨区参与率」（排除本人）作为工具变量——同村网络效应（信息传递、搭伴出行）影响个人参与决定，但不直接影响个人工资。在工资方程中，利用面板固定效应消去不可观测的个人能力差异。对于技能回报的估计，以「本省是否纳入无人机补贴试点」作为外生技能获取的准自然实验。

Heckman两步法：选择方程（probit）：Pr(Participate_i=1) = Φ(γ·VillageRate_i + δ·Z_i)。工资方程（OLS with IMR）：lnWage_i = α + β·Skill_i + θ·IMR_i + φ·X_i + ε_i。面板固定效应（仅参与者子样本）：lnWage_{it} = α + β·Skill_{it} + γ·Experience_{it} + μ_i + λ_t + ε_{it}。

数据来源：农机手抽样调查（预计在河南、安徽、山东、河北四省发放问卷600份，回收有效问卷约400份），匹配农机跨区作业证登记系统的作业天数和收入数据。被解释变量：日工资率（季总收入/作业天数）、年收入（含本地收入）。核心解释变量：技能等级（初级/中级/高级，以可操作农机类型和维修能力划分）、跨区作业年限。样本区间：2023-2025年跨区作业季。

• 替换技能度量：以是否持有农机驾驶证/职业资格证书替代自报技能等级，减少测量误差。
• 替换IV：以「家庭耕地面积」（影响留守务农机会成本）作为参与跨区作业的替代工具变量。
• 分位数回归：在0.25、0.50、0.75分位数估计技能回报，检验异质性。
• 排除新手样本：剔除作业年限<1年的新手，检验技能溢价是否由「新手低工资」驱动。

农机收割服务市场具有特殊性：供给方（农机手）高度移动，需求方（农户）在极短时间窗口内（3-5天）必须完成交易，且收割质量（掉粒率、留茬高度）事后难以低成本验证。这些特征可能导致市场偏离完全竞争均衡——信息不对称可能引发Akerlof（1970）式的逆向选择（高质量农机手因无法证明质量而退出）。搜寻-匹配模型预测，市场厚度（参与交易的农机手数量）越大，匹配效率越高、价格越接近竞争均衡。

据此提出以下假说：
- H1：农机服务市场具有高度竞争性——县级HHI指数每增加100点（更集中），收割服务价格上升3-5元/亩。
- H2：农机服务APP的使用（降低信息不对称）使收割价格离散度（变异系数）缩小15-20%。
- H3：口碑效应显著——上一年在该县收割的农机手，当年获得的服务邀约数量比新手多40-50%。

以「收割日当天的降雨概率预报」作为需求侧的外生冲击IV——降雨预报增加农户紧迫感（必须在雨前收割），推动需求曲线外移，从而识别供给曲线的价格弹性。市场竞争程度以县级进入的跨区农机手数量（由出发地天气和收割进度驱动）作为外生变异。供需结构模型通过求解市场出清条件反推供需参数。

特征价格模型：PricePerMu_{ijt} = α + β·HHI_{jt} + γ·AppUsage_{jt} + δ·RainForecast_{jt} + θ·QualityMarkers_{it} + μ_j + λ_t + ε_{ijt}，其中 HHI_{jt} 为日县级农机手供给集中度。2SLS一阶段用RainForecast_{jt}（降雨概率预报，气象局数据）作为HHI的工具变量。

被解释变量：亩均收割价格（元/亩），来自农机作业调度平台的交易记录和农机服务APP撮合价格。核心解释变量：日县级HHI（基于当日在该县作业的所有农机手的市场份额平方和）；农机服务APP渗透率（该县通过APP撮合的交易占比）。工具变量：日降雨概率预报。样本区间：2023-2025年「三夏」期间（5月20日-6月20日）。

• 替换市场竞争度量：以「最近邻农机手的距离（GPS计算）」替代HHI，检验空间竞争而非市场份额竞争的价格效应。
• 剔除APP撮合交易：仅用传统渠道（熟人介绍）达成的交易检验价格形成机制。
• 模拟反事实：基于估计的供需弹性参数，模拟增加100名跨区农机手对市场价格的边际影响。
• 以降雨实际值替代预报值，检验需求冲击度量的稳健性。

周黎安（2007）的晋升锦标赛理论预测，省级官员为强化本省粮食产量考核指标，可能在农机资源紧张时隐性设置流出障碍（如优先保障本省收割完成后再放行）——这是多任务考核下「达标优先」策略的理性选择。Pressman & Wildavsky（1973）的政策执行复杂性理论指出，即便表面一致的目标（确保颗粒归仓），多层级的协调也可能因各层级的激励差异而产生执行偏差。Olson（1965）的集体行动逻辑进一步预测，尽管各省都受益于全国性的跨区调度机制，但每个省都有「搭便车」动机。

据此提出以下假说：
- H1：本省收割进度低于全国平均水平时，省级三夏工作部署中「优先保障本地」的隐性表述频率显著增加。
- H2：「农机流出大省」在收割季初期的跨区证发放数量比收割季末期少20-30%，呈现「先保本地后放行」的时间策略。
- H3：省际交界县比省内腹地县获得跨区农机流入的概率低10-15个百分点，反映边界效应导致的协调失败。

以「本省收割进度与全国均值的差距」作为外生冲击。以各省交界县作为「制度边界断点」——在同一地理区域但分属不同省的交界县中，跨区农机流入概率的差异可归因于省级制度差异。文本分析使用词典法（构建「本地优先」「保障本省」等本地保护词典）量化政策文本中的隐性保护倾向。

空间边界断点模型（省界两侧各50公里缓冲区）：Inflow_{ij} = α + β·SameProvince_{ij} + γ·f(Distance_{ij}) + δ·Weather_{ij} + ε_{ij}，其中 Inflow_{ij} 为县 j 接收来自省 i 的农机手人数，SameProvince_{ij}=1 表示同省。β > 0 暗示省内偏袒（边界效应）。

被解释变量：农机跨区流向矩阵（省 i → 县 j 的跨区农机手人数），来自农机跨区作业证电子登记系统；本地保护倾向得分（以三夏工作方案文本经词典法量化）。核心解释变量：收割进度差距（农业农村部农情调度日度数据）。文本词典构建：经3位编码员独立标定50份政策文本。样本区间：2020-2025年三夏期间。

• 替换文本分析方法：以NLP主题模型（LDA）替代词典法，无监督提取政策文本中的议题强度。
• 替换边界效应度量：以农机手GPS轨迹的「边境停留时长」替代流量数据。
• 深度访谈三角验证：以对5省农机管理部门的15-20次半结构化访谈的质性发现，交叉验证量化结论。
• 排除天气差异：仅在天气条件相似的省份对之间比较。

---